用Python做一个“以图搜番“的应用程序，再也不用愁动漫图片的出处了！

文章目录

• • 前言
  • PyQt5界面设计
  • • 使用Qt Designer绘制界面
    • 视频部件插入小技巧
    • 解码器下载
  • 功能实现
  • • trace.moe API介绍与视频
  • 使用Nuitka打包成exe文件

前言

喜欢看动漫的朋友们大概都能体会到一个难受的事情，就是在论坛或者群聊里面看到一张动漫截图，很想知道它的出处，但百度搜了一圈却也没有一个可靠结果，就很郁闷。今天就来带大家用Python做一个简单的“以图搜番”小应用。应用本身的实现不是很难的事情，其实就是调用别人的API接口来实现，主要目的还是通过这个案例来学习以下内容：

• 学习如何用PyQt5做用户交互界面（UI）；
• 学习如何使用Nuitka打包程序为exe文件；

PyQt5界面设计

如果用 Python 语言开发 跨平台 的图形界面的程序，主要有3种选择：

• Tkinter：基于Tk的Python库，这是Python官方采用的标准库，优点是作为Python标准库、稳定、发布程序较小，缺点是控件相对较少。

• wxPython：基于wxWidgets的Python库，优点是控件比较丰富，缺点是稳定性相对差点、文档少、用户少。

• PyQt5（或者PySide2）：基于Qt 的Python库，优点是控件比较丰富、跨平台体验好、文档完善、用户多。缺点是库比较大，发布出来的程序比较大。

本教程使用的就是PyQt5，它是Digia的一套Qt5应用框架与python的结合，同时支持2.x和3.x。本教程使用的是3.x。Qt库由Riverbank Computing开发，是最强大的GUI库之一 ，官方 站：https://www.riverbankcomputing.com/software/pyqt/。
PyQt5是由一系列Python模块组成。超过620个类，6000函数和方法。能在诸如Unix、Windows和Mac OS等主流操作系统上运行。PyQt5有两种证书，GPL和商业证书。
安装方法：

使用Qt Designer绘制界面

在设计一个图形化界面的应用时，我们需要先绘制出其大致布局，可以在草稿纸上勾勒一下，然后通过PyQt5中的Qt Designer应用来设计，它的文件名叫，找不到位置可以在本地文件中搜索一下：

具体的Qt Designer基本使用方法我就不在这里展开了，如果你第一次用，可以参考这个入门视频教程：https://www.bilibili.com/video/BV1cJ411R7bP ，讲得还挺好，我就是跟着这个视频入门学习的。它的文字版教程在这里：http://www.python3.vip/tut/py/gui/qt_01/

视频部件插入小技巧

功能实现

trace.moe API介绍与视频

它背后的实现依靠的是大数据+基于内容的图像检索（Content-based image retrieval ，CBIR），“基于内容”意味着搜索分析图像的内容，而不是与图像相关的元数据，如关键字、标签或描述。术语“内容”在这个上下文中可能指的是颜色、形状、纹理或任何其他可以从图像本身衍生出来的信息。CBIR使用起来比较方便，因为它不需要标注信息，而纯粹依赖元数据的搜索依赖于标注的质量和完整性。wikipedia上有列出很多CBIR engines，trace.moe则使用了Lire。对于图像的描述，trace.moe则仅仅使用了颜色布局（Color Layout ）。另一方面就是大数据，其背后的数据支撑为30096小时的视频内容（大约26亿帧），来自于3194部动画，大约18.1 TB大小。7.46亿帧索引(重复数据删除后)，数据库大小为140 GB。具体实现细节可以参考：trace.moe slide和trace.moe github 项目。

如果你不关心实现细节，可以直接看下面的API接口使用。

返回一个json结果，内容如下：

得到这些内容后，就可以下载对应的视频片段：

当然，也不是每天无限制请求的，普通用户每天只能查询150次

import的系统库，使用python3x.dll来执行，其他自己实现的UI界面和数据库的连接以及函数和功能实现，需要加密（反编译）和快速反应的，用户的体验就在这里，这部分借助Nuitka来实现。
以下是Nuitka的关键命令段：
–nofollow-imports #所有的import全部不使用，交给python3x.dll执行
–follow-import-to=need #need为你需要编译成C/C++的py文件夹命名
——引用自：Python打包exe(32/64位)-Nuitka再下一城

第二步：调试阶段，逐个加入所需的轮子文件：
首先运行

文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树首页概览210192 人正在系统学习中